Porovnání standardních metod posilovaného učení

Abstract

V této bakalářské práci se zaměřujeme na porovnání vybraných metod posilovaného učení a algoritmů z oblasti evolučních metod pro spojitý akční prostor. První část práce je věnována teoretickému základu zadaných algoritmů. V druhé části popíšeme tvorbu vlastního prostředí a vývoj funkce odměny. Dále porovnáme metody na jak již existujících prostředích, tak na námi vytvořeném, a nakonec se detailněji podíváme na implementaci Advantage Actor-Critic algoritmu.

This bachelor thesis focuses on comparing the selected reinforcement learning methods and the evolution methods algorithms for continuous action space. The first part of this thesis is dedicated to the theoretical background of the assigned algorithms. In the second part, we describe the creation of the environment and the evolution of the reward function. Next, we compare the methods in the existing environment and the environment made by us. Finally, we take a closer look at the implementation of the Advantage Actor-Critic algorithm.